量子计算能够开启对衰老的新认识 深刻改变生物研究

量子计算能够开启对衰老的新认识 深刻改变生物研究 在《计算分子科学》（WIREs Computational Molecular Science）杂志的一篇新论文中，来自临床阶段人工智能（AI）驱动的药物发现公司Insilico Medicine（以下简称"Insilico"）的研究人员展示了如何将量子计算整合到生物体研究中，以便更深入地了解衰老和疾病等生物过程。2023 年 5 月，Insilico、多伦多大学加速联盟和富士康研究院发表研究成果，成功证明了量子生成对抗网络在生成化学中的潜在优势。这些研究成果发表在美国化学学会的《化学信息与建模期刊》上。生物网络是相互关联的。就像只知道配料不足以理解如何烹制一道菜肴一样，只知道基因或蛋白质的清单也不足以理解它们是如何相互作用的。资料来源：Insilico Medicine在这篇最新论文中，Insilico 的研究人员全面介绍了如何将人工智能、量子计算和复杂系统物理学的方法结合起来，帮助研究人员推进对人类健康的新认识，并详细介绍了物理学引导的人工智能领域的最新突破。他们写道，虽然人工智能已成为帮助研究人员处理和分析大型复杂生物数据集的宝贵工具，从而找到新的疾病途径，并在细胞水平上将衰老和疾病联系起来，但在将这些见解应用于体内更复杂的相互作用方面，人工智能仍面临挑战。研究人员指出，为了全面了解生物体的内部运作，科学家们需要多模式建模方法，以管理三个关键领域的复杂性：规模的复杂性、算法的复杂性以及数据集日益增加的复杂性。生物学对量子计算的需求"虽然我们不是一家量子公司，但利用新的混合计算解决方案和超标量器提供的速度优势的能力非常重要。随着这种计算成为主流，我们就有可能进行非常复杂的生物模拟，并发现针对各种疾病和年龄相关过程的具有理想特性的个性化干预措施。我们很高兴看到我们在阿联酋的研究中心能在这一领域提出有价值的见解，"合著者、Insilico Medicine 公司创始人兼联合首席执行官亚历克斯-扎沃龙科夫（Alex Zhavoronkov）博士说。生物系统内的生物过程从细胞到器官再到整个身体，系统之间存在大量复杂的相互作用。解释这些过程需要在多个尺度上同时进行。而生物数据的获取已经达到了以前无法想象的水平。例如，"千人基因组计划"（1000 Genomes Project）是一个人类基因变异目录，已发现 900 多万个单核苷酸变异（SNV）；英国生物库（UK Biobank）包含了英国志愿者的 50 万个基因组的完整序列。我们需要庞大的计算能力来分析和处理这些数据。在每一个层次上，都有一种最常用的方法来研究这一层次的组织。人工智能在每个层次都显示出潜力。量子计算为加快人工智能求解器和传统技术的速度并提高其效率提供了可能。资料来源：Insilico Medicine研究人员写道，量子计算在增强人工智能方法方面具有得天独厚的优势允许研究人员同时对生物系统的多个层面进行解释。由于量子比特能同时保持 0 和 1 的值，而经典比特只能保持 0 或 1 的值，因此量子比特的计算速度和能力都大大提高。作者指出，量子计算已经取得了重大进展，其中包括 IBM 最近首次推出的公用事业级量子处理器和该公司首台模块化量子计算机，后者已经开始运行。最后，作者呼吁采用物理学指导的人工智能方法来更好地理解人类生物学这是一个将基于物理学的模型和神经网络模型相结合的新领域，他们写道，这个领域已经在进行中。通过结合人工智能、量子计算和复杂系统物理学的方法，科学家们可以更好地理解，正如作者所写的那样，"细胞、生物体或社会中较小尺度元素的集体互动如何产生可在较大尺度和现实层面上观察到的突发特征"。编译自:ScitechDaily ... PC版： 手机版：

AI帮助大型强子对撞机在探测新粒子方面取得突破

AI帮助大型强子对撞机在探测新粒子方面取得突破 ATLAS 和 CMS 协作小组正在使用最先进的机器学习技术来搜索可能预示着新物理学的奇异对撞。图片来源：S Sioni/CMS-PHO-EVENTS-2021-004-2/M Rayner大型强子对撞机（LHC）实验的主要目标之一是寻找新粒子的迹象，这可以解释物理学中的许多未解之谜。通常情况下，寻找新物理学的目的是以理论预测为指导，一次寻找一种特定类型的新粒子。但是，寻找未预测到的、意想不到的新粒子呢？对物理学家来说，在不清楚要寻找什么的情况下筛选大型强子对撞机实验中发生的数十亿次对撞是一项艰巨的任务。因此，ATLAS 和 CMS 协作小组让人工智能（AI）简化了这一过程，而不是梳理数据和寻找异常。在3月26日举行的莫里翁德 会议（Rencontres de Moriond ）上，来自CMS合作项目的物理学家们展示了利用各种机器学习技术搜索成对"喷流"所获得的最新成果。这些喷流是源自强相互作用夸克和胶子的粒子的准直喷流。它们特别难以分析，但可能隐藏着新的物理学。被人工智能算法确定为高度异常、因此可能来自新粒子的 CMS 事件之一的事件显示。资料来源：CMS 协作ATLAS 和 CMS 的研究人员在搜索喷流时使用了多种策略来训练人工智能算法。通过研究其复杂能量特征的形状，科学家们可以确定是什么粒子产生了喷流。利用真实的碰撞数据，这两个实验的物理学家正在训练他们的人工智能，以识别源自已知粒子的喷流的特征。然后，人工智能能够区分这些喷流和非典型喷流特征，后者可能预示着新的相互作用。这将在数据集中显示为非典型喷流的累积。另一种方法是指示人工智能算法考虑整个碰撞事件，并在检测到的不同粒子中寻找异常特征。这些异常特征可能预示着新粒子的存在。2023 年7 月，ATLAS 发布的一篇论文展示了这一技术，这是在大型强子对撞机结果中首次使用无监督机器学习技术。在 CMS，一种不同的方法是物理学家创建潜在新信号的模拟示例，然后让人工智能识别真实数据中与常规喷流不同但与模拟相似的碰撞。在 CMS 公布的最新结果中，每种人工智能训练方法对不同类型的新粒子表现出不同的敏感性，没有一种算法被证明是最好的。CMS 团队能够限制产生异常喷流的几种不同类型粒子的产生率。他们还能够证明，与传统技术相比，人工智能主导的算法大大提高了对各种粒子特征的灵敏度。这些结果表明，机器学习正在彻底改变对新物理学的探索。CMS分析团队的奥兹-阿姆拉姆（Oz Amram）说："我们已经有了进一步改进算法的想法，并将其应用于数据的不同部分，以搜索多种粒子。"编译自/ScitechDaily ... PC版： 手机版：

AI又立功了：将10万个方程缩减到4个

AI又立功了：将10万个方程缩减到4个 一个包含数十万甚至上百万个方程的物理模型，被压缩到仅仅4个方程，这完全超乎想象。然而，这正是一个人工智能完成的“壮举”。 近日，物理学家利用人工智能，已经将一个令人生畏的量子问题，“压缩”成了一个只有四个方程的小任务，并且没有牺牲准确性。它有望彻底改变科学家研究包含大量相互作用电子的系统的方式。 此外，如果这种方法可以进一步扩展到其他问题，还有可能帮助设计出具有某些特性的材料，比如超导性，也就是电子在材料中无阻力地流动。论文已于近日发表在《物理评论快报》上... 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

2021年诺贝尔物理学奖授予真锅淑郎、克劳斯·哈塞尔曼以及乔治·帕里西，以表彰真锅淑郎和克劳斯·哈塞尔曼对地球气候的物理建模、可

2021年诺贝尔物理学奖授予真锅淑郎、克劳斯·哈塞尔曼以及乔治·帕里西，以表彰真锅淑郎和克劳斯·哈塞尔曼对地球气候的物理建模、可变性量化和对全球变暖可靠预测的贡献，以及乔治·帕里西发现了从原子到行星尺度的物理系统中无序和涨落的相互作用（the interplay of disorder and fluctuations）的贡献。 （诺贝尔奖网站）

聚变的未来：用人工智能的精度解开复杂物理学的谜团

聚变的未来：用人工智能的精度解开复杂物理学的谜团 等离子体建模与实验之间的桥梁为此，研究人员展示了一种连接等离子体建模和实验的新方法。研究人员利用常规安装在聚变装置中的带有光学滤镜的相机拍摄的照片，开发出了一种推断电子密度和温度波动的技术。聚变科学家可以在实验中利用这些信息，以符合理论的方式预测等离子体场。利用来自托卡马克中等离子体边缘的光线（左侧为内部视图），物理信息神经网络重建了等离子体密度和温度的湍流波动以及探测氦气泡的分布（右侧）。作者：A. Mathews、J. Hughes 和 J. Mullen预测建模面临的挑战聚变实验中等离子体湍流的预测建模具有挑战性。这是因为很难对这些混沌系统的边界条件进行建模。研究人员利用定制的物理信息机器学习方法，开发了一个框架，能够直接求解核聚变实验装置边界通常无法解决的等离子体特性。这使科学家们能够预测等离子体波动在实验中的表现。这也使他们能够以符合理论的方式测试预测模型。这种湍流建模以前并不实用。聚变等离子体中约束的重要性聚变等离子体的充分约束对于实现净聚变能量生产的目标至关重要。预测约束的一个关键要素是了解等离子体的不稳定性如何导致聚变装置内的冷却和性能损失。因此，聚变界花了几十年的时间来提高实验的测量能力，以完善预测模型。然而，聚变所需的极端温度和真空条件使得在聚变装置内部署诊断设备非常困难。麻省理工学院的研究人员最近针对这一挑战发表了两篇论文。麻省理工学院的创新研究在第一篇论文中，研究人员展示了如何利用一种新颖的、以物理学为基础的人工智能框架，将实验数据与辐射建模和动力学理论相结合，将常用快速相机收集的光子计数转换为湍流尺度上的电子密度和温度波动。其结果是对以前未观察到的等离子体动力学的新颖实验见解。在第二篇论文中，研究小组利用这些电子动态信息，结合广泛使用的等离子体湍流理论，在实验环境中直接预测出与偏微分方程相一致的电场波动。这项工作超越了传统的数值方法，而是利用专门创建的物理信息神经网络架构，为等离子体的非线性特性开发了一种新型建模方法。这项工作为了解理论预测是否与观测结果相匹配开辟了新的科学途径。参考资料A. Mathews、J. L. Terry、S. G. Baek、J. W. Hughes、A. Q. Kuang、B. LaBombard、M. A. Miller、D. Stotler、D. Reiter、W. Zholobenko 和 M. Goto 的《来自气泡湍流成像的等离子体和中性波动深度建模》，2022 年 6 月 16 日，《科学仪器评论》。doi: 10.1063/5.0088216《基于边界湍流实验图像的漂移还原布拉金斯基理论与等离子体-中性相互作用的深电场预测》，作者：A. Mathews、J. W. Hughes、J. L. Terry 和 S. G. Baek，2022 年 12 月 2 日，《物理评论快报》。DOI: 10.1103/PhysRevLett.129.235002编译来源：ScitechDaily ... PC版： 手机版：

《Nature》报道北大物理新成果：首次观测到三玻色子联合产生

《Nature》报道北大物理新成果：首次观测到三玻色子联合产生 相关成果发表于《物理评论快报》，并被选为编辑推荐论文。首次观测到三玻色子联合产生先简单了解一下，此次成果发现的主角三种基本粒子。两种电荷相反的粒子W玻色子W+和W-，以及一种光子γ。我们知道，宇宙中有四大基本相互作用：引力作用、电磁相互作用、强相互作用和弱相互作用。每种相互作用都是由某一种媒介粒子传递的，它们被称为玻色子。在标准模型里，无质量的光子（γ）传播长程的电磁相互作用。而W玻色子是一种负责传递弱相互作用的基本粒子。此前曾被发现并证明，W玻色子是参与核聚变的重要粒子。但W玻色子的质量很重，约是质子的85倍，实验中通常很难被发现。只有通过大型强子对撞机LHC这样的高能量装置才有可能“撞”出1个。而要找到像W+W-γ这种形态，更是难上加难。研究团队在LHC上使用紧凑缪子线圈（CMS）探测器筛选和分析了2016年至2018年期间数十亿次13TeV质子-质子对撞数据，以超过5倍标准偏差的统计置信度，首次观测到了双W玻色子与光子（WWγ）这一新型的三玻色子联合产生过程。研究团队进一步向《中国科学报》解释，5.6倍标准偏差是与假设不存在三玻色子过程的情况（即空假设）相比，这也意味着数据支持三玻色子过程的存在。他们进而对希格斯与轻夸克的耦合给出了一批较强的限制性结果。北大物理李强团队据北大物理学院技术物理系官网介绍，此项成果是由李强课题组在CMS国际合作组提出并领导。北京大学物理学院2017级博士研究生安莹（现为德国电子同步加速器中心DESY博士后）担当分析负责人。一直以来，精确测量多玻色子特别是三玻色子联合产生过程，是目前高能对撞机物理领域前沿热点之一，可用于探测非阿贝尔相互作用以及检验标准模型。李强团队自2010年以来，就致力于高能对撞机上的多玻色子物理研究。2022年，他们全球首次实现了三W玻色子共振态的寻找、并开发了3夸克和4夸克特征喷注的鉴别及校准技术。此项研究开拓了新物理寻找的新航线。李强向《中国科学报》表示，高能物理确实处在比较艰难的时期。在人迹罕至的地方探险，虽然有着未知和挑战，但也有着新发现的可能性。参考链接：[1] ... PC版： 手机版：